Распознавание речи по API

curl https://api.kosareva.cloud/v1/audio/transcriptions \
  -H "Authorization: Bearer ВАШ_API_КЛЮЧ" \
  -F model="whisper-large-v3" \
  -F file="@meeting.mp3" \
  -F language="ru"

language необязателен, но ускоряет работу: без него модель сначала определяет язык. Укажите его кодом из двух букв — ru, en, kk.

from openai import OpenAI

client = OpenAI(
    api_key="ВАШ_API_КЛЮЧ",
    base_url="https://api.kosareva.cloud/v1",
)

with open("meeting.mp3", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="whisper-large-v3",
        file=audio,
        language="ru",
        prompt="Kosareva Cloud, Kubernetes, PostgreSQL",  # термины и имена — списком
    )

print(result.text)
print(result.usage)  # звуковые токены: 25 на секунду записи

Модели whisper-1 у нас нет — инструменту, который подставляет её по умолчанию, укажите whisper-large-v3.

with open("lecture.mp3", "rb") as audio:
    subtitles = client.audio.transcriptions.create(
        model="gigaasr",
        file=audio,
        response_format="srt",  # или "vtt"
    )

with open("lecture.srt", "w", encoding="utf-8") as file:
    file.write(subtitles)

curl https://api.kosareva.cloud/v1/audio/transcriptions \
  -H "Authorization: Bearer ВАШ_API_КЛЮЧ" \
  -F model="gigaasr" \
  -F file="@lecture.mp3" \
  -F response_format="srt" \
  -o lecture.srt

with open("call.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="gigaasr",
        file=audio,
        response_format="verbose_json",
        timestamp_granularities=["word"],
    )

print(result.duration)  # длительность записи, секунды
for segment in result.segments:
    print(f"{segment.start:7.2f}–{segment.end:7.2f}  {segment.text}")
for word in result.words[:5]:
    print(word.word, word.start, word.end)

Параметр timestamp_granularities можно не передавать. У whisper-large-v3 массив words пустой, а gemini-3-5-transcribe отдаёт всю запись одной фразой.

Сколько ушло на конкретный запрос, видно в расходах кабинета, а в форматах json и verbose_json — ещё и в поле usage ответа. В text, srt и vtt ответ — голый текст, поля usage там нет. Запрос, который закончился ошибкой, не списывается.